PT-9 - KOMPRESI CITRA

MODUL KULIAH SEKOLAH TINGGI TEKNOLOGI INFORMASI NIIT Mata Kuliah Multimedia dan Internet Semester Genap 2021/2022 Dosen Arisantoso, S.T., M.Kom Modul 1 (Satu) Pertemuan 9 (Sembilan) Topik Kompresi Citra Sub Topik Pengenalan Kompresi Citra Digital Materi 9.1. Pengenalan Kompresi 9.2. Definisi / Pengertian Capaian 9.3. Hal Penting dalam kompresi citra Pembelajaran 9.4. Pengukuran Error Kompresi 9.5. Algoritma Kompresi / Dekompresi Citra 9.6. Beberapa metode kompresi citra 9.7. Teknik Kompresi GIF 9.8. Teknik Kompresi PNG 9.9. Teknik Kompresi JPG 9.9.1. JPEG 2000 9.10. Tagged Image File Format (TIFF) 9.11. Exchange Image File (EXIF) 9.12. Windows BMP (Bitmap) 9.13. Latihan Soal Mandiri Mahasiswa Mampu memahami pengertian teknik kompresi citra, mengetahui cara kerja algoritma kompresi dan dekompresi pada citra serta metode-metode kompresi citra yang digunakan.

BAB IX TEKNIK KOMPRESI CITRA 9.1. Pengenalan Kompresi Menurut Gustina Hardiansyah (2015) dikatakan bahwa Enkoder / Compresor: software atau hardware yang dapat mengkodekan data asli / orisinil menjadi data terkompres. Dekoder / Decompresor: software atau hardware yang dapat mendekode data terkompres menjadi data orisinal. Codec: software atau hardware yang mengkodekan dan mendekodekan data. Algoritma: Teknik yang digunakan dalam proses pengkodean/kompresi (Huffman dan Lempel, Ziv, Welch (LZW). Contoh software kompresi: winzip, winrar, 7zip, IZArc, dll. Menurut himawan (2014) dalam David A. Huffman (1952) Algoritma kompresi Huffman dibuat dan dikembangkan oleh seorang mahasiswa MIT pada tahun 1952 bernama David A. Huffman dalam paper-nya yang berjudul ”A Method for the Construction of Minimum Redudancy Codes” yang mendefinisikan algoritma greedy yang akan digunakan untuk pembuatan kode optimal yang disebut dengan kode Huffman (Huffman code). Gambar 9.1. David A. Huffman Sumber: (https://www.computer.org/profiles/david-huffman) Algoritma kompresi ini merupakan algoritma kompresi klasik dan juga merupakan algoritma kompresi yang populer dalam penggunaannya untuk melakukan proses kompresi data teks, citra digital, suara dan video. Algoritma Huffman termasuk dalam 55

kategori algoritma kompresi yang menggunakan teknik loseless data compression, algoritma Huffman menggunakan prinsip pengkodean yang mirip dengan kode Morse dimana proses pengkodean setiap karakter dalam bentuk American Standard Code for Information Interchange (ASCII) (fixed-length codes) akan direpresentasikan ke dalam bentuk bit-bit data digital 0 dan 1 (binary format). Pada tahun 1977, Abraham Lempel dan Jacob Ziv membuat dan memperkenalkan algoritma kompresi yang kita kenal sekarang dengan algoritma kompresi LempelZiv (LZ77) dan beberapa variannya, kemudian diikuti dengan algoritma kompresi Lempel- Ziv versi yang kedua yaitu LZ78 kurang lebih 1 tahun setelah kemunculan algoritma kompresi LZ77 (Ziv, J. & Lempel A. (1978). Gambar 9.2. Jacob Ziv dan Abraham Lempel Sumber: (https://slideplayer.com/slide/6165573/) Pada tahun 1984, Terry Welch melakukan modifikasi terhadap algoritma LZ78 yang akan digunakan untuk mengimplementasikan penggunaan disk-controller berkemampuan tinggi. Hasil dari modifikasi yang dilakukan Terry Welch ini adalah algoritma kompresi baru yang kita kenal dan sering ditemukan sekarang dengan sebutan algoritma kompresi LZW. Gambar 9.3. Terry Welch Sumber: (https://www.hanshq.net/zip2.html) 56

9.2. Definisi / Pengertian Dikutip dari Nurul (2012) dikatakan bahwa Kompresi Citra adalah aplikasi kompresi data yang dilakukan terhadap citra digital dengan tujuan untuk mengurangi redundansi (berlebih-lebihan) dari data-data yang terdapat dalam citra sehingga dapat disimpan atau ditransmisikan secara efisien. Teknik kompresi pada citra tetap sama. Terdapat dua jenis kompresi data multimedia yaitu Kompresi Lossy (Lossy Compression) dan Kompresi Lossless (Lossless Compression). 1. Kompresi Lossy (Lossy Compression). Menurut Witriana Endah Pangesti, dkk (2020) dalam jurnal khatulistiwa informatika dikatakan bahwa Lossy compression merupakan suatu metode kompresi data yang menghilangkan sebagian “informasi” dari data asli selama proses kompresi dengan tidak menghilangkan secara signifikan informasi yang ada dalam data secara keseluruhan. Kompresi jenis ini dapat mengurangi ukuran data secara signifikan, dan data yang sudah terkompresi dapat dikompres lagi sampai batas-batas tertentu. Lossy compression biasanya digunakan dalam bidang Multimedia karena sering digunakan Untuk mengurangi ukuran data yang bersifat audio–visual. Misalnya untuk memperkecil ukuran file gambar, musik digital, dan untuk enkoding film dari format High Definition seperti Blu-Ray menjadi format Moving Picture Experts Group (MPEG). Contoh: Discrete Cosine Transform (DCT), Vector Quantization, Waveled Compression, Distributed Source Coding (DSC). Berikut ini adalah ilustrasi dari kompresi lossy di jelaskan pada gambar 9.4: 57

Gambar 9.4. Lossy compression 2. Kompresi Lossless (Loseless Compression): Lossless compression Yaitu suatu metode kompresi data dengan tidak ada “informasi” data yang hilang atau berkurang jumlahnya selama proses kompresi. Sehingga setelah proses dekompresi jumlah bit (byte) data atau informasi dalam keseluruhan data hasil sama persis dengan data aslinya. Kompresi jenis ini tidak selalu dapat mengurangi ukuran data secara berarti, karena tidak semua data mengandung informasi yang tidak perlu. Selain itu, data yang telah dikompresi tidak dapat dikompresi lagi. Lossless compression biasanya digunakan untuk mengurangi ukuran data-data yang penting, data-data yang isinya tidak boleh berubah sedikitpun. Misalnya data-data yang berbentuk dokumen, teks, spreadsheet, kode sumber (source code), dan data-data program. Contoh: Huffman Coding, Dynamic Markov compression (DMC), Lempel-Ziv Welch (LZW), aritmetic coding, Run-Length encoding. Berikut ini adalah gambar ilustrasi dari kompresi lossless di jelaskan pada gambar 9.5 sebagai berikut: 58

Gambar 9.5. Lossless Compression Sumber: (https://pemrogramanmatlab.com/2018/11/01/kompresi-lossless- pada-citra-digital/) 59

https://shortpixel.com/online-image-compression Gambar 9.6. Hasil Perbandingan Lossy Compression dan Lossless Compression 9.3. Hal Penting Dalam Kompresi Citra 1. Scalability/Progressive Coding/Embedded Bit stream urutan biner: a. Adalah kualitas dari hasil proses pengkompresian citra karena manipulasi bitstream tanpa adanya dekompresi atau rekompresi. b. Biasanya dikenal pada loseless codec. c. Contohnya pada saat preview image sementara image tersebut didownload. Semakin baik scalability, makin bagus preview image. Tipe scalability: a. Quality progressive: dimana image dikompres secara perlahan-lahan dengan penurunan kualitasnya b. Resolution progressive: dimana image dikompresi dengan mengenkode resolusi image yang lebih rendah terlebih dahulu baru kemudian ke resolusi yang lebih tinggi. c. Component progressive: dimana image dikompresi berdasarkan komponennya, pertama mengenkode komponen gray baru kemudian komponen warnanya. 60

2. Region of Interest Coding: Daerah-daerah tertentu dienkode dengan kualitas yang lebih tinggi daripada yang lain. 3. Meta Information: Image yang dikompres juga dapat memiliki meta information seperti statistik warna, tekstur, small preview image, dan author atau copyright information 9.4. Pengukuran Error Kompresi Dalam kompresi image terdapat suatu standar pengukuran error (galat) kompresi: 1. Mean Square Error (MSE), yaitu sigma dari jumlah error antara citra hasil kompresi dan citra asli. Rumus: Dimana: I(x,y) adalah nilai pixel di citra asli I’(x,y) adalah nilai pixel pada citra hasil kompresi M,N adalah dimensi image 2. Peak Signal to Noise Ratio (PSNR), yaitu untuk menghitung peak error. Rumus: PSNR = 20 * log10 (255 / sqrt(MSE)) Nilai MSE yang rendah akan lebih baik, sedangkan nilai PSNR yang tinggi akan lebih baik. 9.5. Algoritma Kompresi / Dekompresi Citra Algoritma umum untuk kompresi image adalah: 1. Menentukan banyaknya bit yang diproses setiap detik oleh sebuah file video ketika video itu diputar (bitrate) dan toleransi distorsi (aturan) image dari inputan user. 61

2. Pembagian data image ke dalam bagian-bagian tertentu sesuai dengan tingkat kepentingan yang ada (classifying). Menggunakan salah satu teknik: Discreate Wavelet Transform (DWT) yang akan mencari frekuensi nilai pixel masing-masing, menggabungkannya menjadi satu dan mengelompokkannya. Gambar 9.3. Algoritma Level Dekompresi Dimana –LL : Low Low Frequency (most importance) / paling penting –HL : High Low Frequency (lesser importance) / kurang penting –LH : Low High Frequency (more lesser importance) / lebih penting lagi –HH : High High Frequency (most less importance) / paling tidak penting 62

Gambar 9.4. Contoh Gambar Citra Kompresi dan Citra Dekompresi Sumber: (Sriani, Ali Ikhwan, Yusnidah, 2017) 3. Pembagian bit-bit di dalam masing-masing bagian yang ada (bit allocation). 4. Lakukan kuantisasi (quantization). Kuantisasi Scalar : data-data dikuantisasi sendiri-sendiri Kuantisasi Vector : data-data dikuantisasi sebagai suatu himpunan nilai-nilai vektor yang diperlakukan sebagai suatu kesatuan. 5. Lakukan pengenkodingan untuk masing-masing bagian yang sudah dikuantisasi tadi dengan menggunakan teknik entropy coding (huffman dan aritmatik) dan menuliskannya ke dalam file hasil. Sedangkan algoritma umum dekompresi image adalah: 1. Baca data hasil kompresi menggunakan entropy dekoder. 2. Dekuantisasi data. 3. Rebuild image. 63

Gambar 9.5. Contoh Aplikasi Kompresi dan Decompresi Sumber: (Sriani, Ali Ikhwan, Yusnidah, 2017) 9.6. Beberapa metode kompresi citra Metode Kompresi Run-Length Encoding (RLE) merupakan metode kompresi yang menyederhanakan informasi yang berulang. 64

9.7. Teknik Kompresi GIF Graphic Interchange Format (GIF) dibuat oleh Compuserve pada tahun 1987 untuk menyimpan berbagai file bitmap manjadi file lain yang mudah diubah dan ditransmisikan pada jaringan komputer. Gambar 9.6. Perusahaan Perangkat Lunak CompuServe GIF merupakan format citra web yang tertua yang mendukung kedalaman warna sampai 8 bit (256 warna), menggunakan 4 langkah interlacing, mendukung transparency, dan mampu menyimpan banyak image dalam 1 file. Gambar 9.7. Logo Gif Keterangan: 1. Kompresi GIF menggunakan teknik LZW: gambar GIF yang berpola horizontal dan memiliki perubahan warna yang sedikit, serta tidak bernoise akan menghasilkan hasil kompresan yang baik. 2. LZW kurang baik digunakan dalam bilevel (hitam-putih) dan true color. 3. Animated GIF: tidak ada standar bagaimana harus ditampilkan sehingga umumnya image viewer hanya akan menampilkan image pertama dari file GIF. 4. Animated GIF memiliki informasi berapa kali harus diloop. 65

5. Tidak semua bagian dalam animated GIF ditampilkan kembali, hanya bagian yang berubah saja yang ditampilkan kembali. 9.8. Teknik Kompresi PNG Portable Network Graphics (PNG ) digunakan di Internet dan merupakan format terbaru setelah format GIF, bahkan menggantikan GIF untuk Internet image karena GIF terkena patent LZW yang dilakukan oleh Unisys (Unisys Corporation adalah perusahaan teknologi informasi global Amerika yang berbasis di Blue Bell, Pennsylvania, yang menyediakan layanan, perangkat lunak, dan teknologi TI). Gambar 9.8. Perusahaan Perangkat Lunak Unisys Teknik Kompresi PNG menggunakan Teknik loseless dan mendukung: 1. Kedalaman warna 48 bit 2. Tingkat ketelitian sampling: 1,2,4,8, dan 16 bit 3. Memiliki alpha channel untuk mengkontrol transparency Teknik pencocokan warna yang lebih canggih dan akurat 9.9. Teknik Kompresi JPG Joint Photographic Experts Group (JPEG) menggunakan teknik kompresi lossy sehingga sulit untuk proses pengeditan. JPEG cocok untuk citra pemandangan (natural generated image), tidak cocok untuk citra yang mengandung banyak garis, ketajaman warna, dan computer generated image. 9.9.1. JPEG 2000 Jpeg 2000 Adalah pengembangan kompresi JPEG. Didesain untuk internet, scanning, foto digital, remote sensing, medical imegrey, perpustakaan digital dan e- commerce. Kelebihan: 1. Dapat digunakan pada bit-rate rendah sehingga dapat digunakan untuk network image dan remote sensing. 66

2. Menggunakan Lossy dan loseless tergantung kebutuhan bandwidth. Loseless digunakan untuk medical image 3. Transmisi progresif dan akurasi & resolusi pixel tinggi 4. Menggunakan Region of Interest (ROI) dimana pengolahan gambar hanya pada daerah/bagian tertentu dari citra / cropping citra (images). 5. Robustness to bit error /ketahanan terhadap kesalahan bit yang digunakan untuk komunikasi jaringan dan wireless 6. Open architecture: single compression/decompression 7. Mendukung protective image security: watermarking, labeling, stamping, dan encryption 8. Mendukung image ukuran besar 64k x 64k, size up to 232 9. Mendukung meta data dan baik untuk computer generated imagenary. Dulu 10. JPEG standar baik untuk natural imagenary. 9.10. TIFF (Tagged Image File Format) Temporary Instruction File Format (TIFF) adalah salah satu format gambar standar yang digunakan dalam dunia teknologi dan percetakan dengan kualitas gambar yang sangat tinggi. Versi pertama spesifikasi TIFF diterbitkan oleh Aldus Corporation pada musim gugur tahun 1986 setelah 2 publikasi draf awal. Versi tersebut dapat disebut sebagai Revisi 3.0 yang dipublikasikan setelah serangkaian pertemuan dengan berbagai produsen scanner dan developer software. Pada April 1987, Revisi 4.0 dirilis dan sebagian besar mengandung hanya tambahan kecil. Pada Oktober 1988 Revisi 5.0 dirilis dan telah ditambahkan bantuan untuk palet warna dan LZW compression. 9.11. Exchange Image File (EXIF) Format gambar untuk kamera digital (termasuk ponsel cerdas). Dikembangkan tahun 1995, versi 2.2 dipublikasikan tahun 2002 oleh Japan Electronics and Information Technology Industries Association (JEITA). EXIF yang dikompres menggunakan sistem JPEG memungkinkan penambahan tag untuk kualitas cetak yang lebih baik. 67

9.12. Windows BMP (Bitmap) BMP format file , juga dikenal sebagai file gambar bitmap. Format file bmp digunakan pada sistem operasi Microsoft Windows dan OS / 2. Gambar Bitmap dipresentasikan dalam bentuk matrik, atau dipetakan dengan menggunakan bilangan binner atau sistem bilangan lain, memiliki kelebihan untuk memanipulasi warna namun untuk merubah objek lebih sulit. Jenis kompresi bmp format file menggunakan kompresi dengan Teknik Run Length Encoding (RLE) adalah algoritma yang dapat digunakan untuk melakukan kompresi data sehingga ukuran data yang dihasilkan menjadi lebih rendah dari ukuran sebenarnya. Bmp format file dapat menyimpan gambar 24 bit. 9.13. Latihan Soal Mandiri 1. Elemen citra digital yang merupakan keadaan yang ditimbulkan oleh perubahan intensitas pada piksel piksel yang bertetangga. Pernyataan tersebut merupakan elemen citra digital … a. Grafik b. Gambar c. Kontur d. Bunyi e. Cahaya 3. Elemen Citra Digital yang merupakan intensitas cahaya yang dipancarkan piksel dari citra yang dapat ditangkap oleh sistem penglihatan disebut: a. Counter b. Luminan c. Brightness d. Texture e. Color 4. Software (atau hardware) yang mendekode data terkompres menjadi data orisinal (asli)… a. Recorder b. Compressor 68

c. Dekoder/ decompressor d. WinZIP e. WinRAR 5. Suatu Teknik atau metode yang digunakan dalam proses pengkodean/kompresi… a. Dekoder b. Compressor c. Recorder d. Algoritma e. Struktur kode DAFTAR PUSTAKA Gustina Hardiansyah (2015). Teknik Kompresi Lossless https://slideplayer.info/slide/3058313/ Himawan, Arisantoso, Asep Saefullah. (2014). Perbandingan Kinerja Penggunaan Teknik Kompresi Data Menggunakan Algoritma Loseless Conpression pada Data Teks. Seminar Nasional Teknologi Informasi dan Multimedia STMIK AMIKOM, Yogyakarta. Huffman, A.D, (1952). A Method for the Construction of Minimum-Redudancy Codes. Proceedings of the I.R.E, 1098 – 1101. Nurul. (2012). Sistem Multimedia. Retrieved 30 Mei 2022 from https://nurul_a.staff.gunadarma.ac.id/Downloads/files/45354/sistem_multimedia 07.pdf. Pangesti, Witriana Endah, Galih Widagdo, Dwiza Riana, Sri Hadianti. (2020). Implementasi Kompresi Citra Digital Dengan Membandingkan Metode Lossy dan Lossless Compression Menggunakan Matlab. Jurnal Khatulistiwa Informatika, Vol. VIII, No. 1. Sriani, Ali Ikhwan, Yusnidah. (2017). Aplikasi Metode Transformasi Wavelet Diskrit Untuk Kompresi Citra Pada Pengolahan Citra Digital. Jurnal Ilmiah Saintikom Vol.16, No. 1, Januari 2017. Ziv, J. & Lempel, A., (1978). Compression of Individual Sequences via Variable-Rate Coding. IEEE Transactions on Information Theory 24 (5), pp. 530-536. 69